JP2023037100A - 金属材料の引張圧縮反転負荷挙動予測方法 - Google Patents
金属材料の引張圧縮反転負荷挙動予測方法 Download PDFInfo
- Publication number
- JP2023037100A JP2023037100A JP2021143634A JP2021143634A JP2023037100A JP 2023037100 A JP2023037100 A JP 2023037100A JP 2021143634 A JP2021143634 A JP 2021143634A JP 2021143634 A JP2021143634 A JP 2021143634A JP 2023037100 A JP2023037100 A JP 2023037100A
- Authority
- JP
- Japan
- Prior art keywords
- model
- behavior
- compression
- metal material
- tension
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000007769 metal material Substances 0.000 title claims abstract description 88
- 238000007906 compression Methods 0.000 title claims abstract description 72
- 230000006835 compression Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000000463 material Substances 0.000 claims abstract description 51
- 238000009864 tensile test Methods 0.000 claims abstract description 27
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 238000012669 compression test Methods 0.000 claims abstract description 21
- 229910000831 Steel Inorganic materials 0.000 claims description 20
- 239000010959 steel Substances 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 16
- 239000002436 steel type Substances 0.000 claims description 15
- 230000006399 behavior Effects 0.000 abstract description 98
- 238000010801 machine learning Methods 0.000 abstract description 27
- 230000000052 comparative effect Effects 0.000 description 21
- 238000013528 artificial neural network Methods 0.000 description 20
- 230000000694 effects Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 125000004122 cyclic group Chemical group 0.000 description 7
- 229910000922 High-strength low-alloy steel Inorganic materials 0.000 description 6
- 238000005482 strain hardening Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000005728 strengthening Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000005489 elastic deformation Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 229910000734 martensite Inorganic materials 0.000 description 2
- 238000000465 moulding Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000013077 target material Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 229910001035 Soft ferrite Inorganic materials 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000005275 alloying Methods 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/0202—Control of the test
- G01N2203/0212—Theories, calculations
- G01N2203/0218—Calculations based on experimental data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Shaping Metal By Deep-Drawing, Or The Like (AREA)
Abstract
Description
図16は、金属材料が受ける応力とひずみの関係を示したものであり(応力-ひずみ曲線)、縦軸の応力は、正が引張方向の応力の大きさ、負が圧縮方向の応力の大きさを示している。
引張方向に負荷を与えて塑性変形させた金属材料に対し、一度除荷した後に再び引張方向に負荷を与えた場合、再負荷時の降伏応力は除荷前の応力とほぼ同等になる。
これに対し、初めの引張方向の負荷を除荷した後に負荷方向を反転して圧縮方向に再負荷した場合には、図16に示すように、引張方向に再負荷した場合の降伏応力よりも低い応力で降伏する(図中の破線円参照)。この現象は、圧縮-除荷-引張の場合も同様に現れる。
しかし、上記のようなバウシンガー効果を評価する引張圧縮試験では、圧縮時に材料が座屈変形を起こす場合があり、特に、試験対象材料の強度が高くて板厚が薄くなると座屈変形が更に発生しやすくなるため、精度の高い試験が難しいという課題があった。
特許文献1、2に開示の技術は、形状を特定した試験片の側面部に弾性体で固定した伸び計により負荷繰り返し試験時のひずみを測定し、さらに圧縮時の座屈を防止する治具(座屈防止治具及び座屈防止ベース治具)を用い、高精度で負荷繰り返し試験時のひずみを計測するものである。
金属材料の引張圧縮挙動の一例として、1180MPa級ハイテン材を対象として実施した引張圧縮試験により得られた繰返し応力-ひずみ曲線を図17に示す。図17の縦軸は、正が引張方向の真応力の大きさ、負が圧縮方向の真応力の大きさを示している。
図17に示すように、対象素材に対して引張変形を与えて降伏させたあと、引張方向の荷重を除荷(真応力を0まで減少)し、圧縮方向の荷重を再負荷して圧縮変形させたとき(図中白丸から下に延びる線参照)、当該部分において直線で示される弾性変形から曲線で示される塑性変形に変化する点が再降伏点である。この再降伏後の応力の変化量をΔσ、ひずみの変化量をΔεとする。
式(1)の3つのモデル定数におけるYは負荷方向反転後の再降伏応力、Aは負荷方向反転後の再降伏応力からの応力変化に相当する収束応力、Bはバウシンガー効果の程度を表している。
図18に示されるように、実験値を示す実線と式(1)の回帰値を示す破線はほぼ一致しており、式(1)の圧縮挙動モデルが再降伏後の圧縮挙動に対して十分な回帰精度を有していることがわかる。
そして、同一素材におけるモデル定数Y、A、Bと、機械特性値YP、TS、u-ELの対応関係について検討した。検討結果を図19に示す。
図19(b)は、各ハイテン材におけるモデル定数Aと最大引張応力(TS)との関係を示したものである。図19(b)に示されるように、負荷方向反転後の収束応力であるAと最大引張応力(TS)には強い相関関係があることが分かった。
図19(c)は、各ハイテン材におけるモデル定数Bと、一様伸び(u-EL)との関係を示したものである。図19(c)に示されるように、バウシンガー効果の程度を規定するBと一様伸び(u-EL)には強くはないものの一定の相関関係が認められた。
したがって、単軸引張試験から得られる応力-ひずみ曲線上の1点であるYS、TS、u-EL等の代表的機械特性値では、上記のような挙動の違いを表現できない。そのため、機械特性値を説明変数とし、モデル定数を目的変数とする重回帰モデルでは、十分な回帰精度を得ることができなかった。
そして、前記点列データを入力変数(説明変数)として扱うために、入力変数の選択に制限のないニューラルネットワーク(NN:Neural Network)を用いることに思い至った。
本発明は、上記のような経緯を得てなされたものであり、具体的には以下の構成からなるものである。
本発明の実施の形態に係る金属材料の引張圧縮反転負荷挙動予測方法は、金属材料の引張圧縮反転負荷挙動を表現する材料モデルのモデル定数を決定することで引張圧縮反転負荷挙動を予測する方法である。
本実施の形態は、図1に示すように、ニューラルネットワークに機械学習させる学習フェーズと、学習フェーズで学習したニューラルネットワークを用いて金属材料の引張圧縮反転負荷挙動を予測する認識フェーズとを備えている。
以下、本発明の実施の形態1の各フェーズについて具体的に説明する。
学習フェーズは、図2に示すように、ニューラルネットワークの機械学習に用いる学習用データを作成する学習用データ作成ステップと、学習用データ作成ステップで作成した学習用データを用いてニューラルネットワークを機械学習させることにより、学習済モデルを構築する機械学習ステップを備えている。
学習用データ作成ステップは、ニューラルネットワークの機械学習に用いる入力データと正解データ(教師データともいう)を作成するステップである。学習用データ作成ステップにおいては、種々の金属材料の単軸引張試験の結果に基づいて入力データを作成し、同金属材料の引張圧縮試験の結果に基づいて正解データを作成する。具体的には下記のとおりである。
各金属材料の繰返し応力-ひずみ曲線に対して圧縮挙動モデルを用いて回帰し、その結果同定されたモデル定数Y、A、Bの値を、ニューラルネットワークの機械学習に用いる正解データとする。
機械学習ステップは、学習用データ作成ステップで作成した入力データと正解データを用いてニューラルネットワークを機械学習させ、学習済モデルを構築するステップである。機械学習ステップで構築される学習済モデルについて、図4を用いて説明する。
学習済モデルは、図4に示すように、入力層、一層以上の中間層(隠れ層)、及び出力層を備えている。各層はAffineレイヤーであり、中間層の出力は、Sigmoid関数、ReLu関数等の適当な活性化関数を有している。
認識フェーズは、図5に示すように、予測対象の金属材料に対する単軸引張試験の結果に基づいて学習済モデルに入力する入力データを作成する入力データ作成ステップと、入力データ作成ステップで作成した入力データに基づいて金属材料の引張圧縮反転負荷挙動を予測する引張圧縮反転負荷挙動予測ステップを備えている。
入力データ作成ステップは、予測対象の金属材料に対する単軸引張試験の結果に基づいて、学習済モデルに入力する入力データを作成するステップである。
本ステップにおける入力データの作成も、学習フェーズの学習用データ作成ステップにおいて機械学習に用いる入力データの作成と同様に行う。
具体的には、予測対象の金属材料に対して単軸引張試験を実施し、単軸引張挙動を示す単軸引張応力-ひずみ曲線を取得する。そして、得られた単軸引張応力-ひずみ曲線に対して離散化処理を実施して点列データ(ε1,σ1)~(ε101,σ101)を生成する(図3参照)。
引張圧縮反転負荷挙動予測ステップは、入力データ作成ステップで作成した入力データを学習済モデルに入力し、該入力に基づいて学習済モデルが出力するモデル定数の予測値を取得し、該予測値を圧縮挙動モデルに代入して引張圧縮反転負荷挙動を予測するステップである。
Δεpは、再降伏後の塑性ひずみの変化量
また、上記式(2)の関係式をFEM解析に設定すれば、当該金属材料における引張圧縮反転負荷挙動を考慮したプレス成形FEM解析を実施することができる。
本発明は、金属材料における単軸引張挙動に関連する因子と、引張圧縮挙動に関連する因子(材料モデルのモデル定数)との関係性をニューラルネットワークに機械学習させることで、予測対象の金属材料の単軸引張挙動から引張圧縮反転負荷挙動を予測できるようにしたものである。
そして、上述した実施の形態1は、単軸引張挙動に関連する因子として、単軸引張応力-ひずみ曲線を離散化した点列データを用いた。
本実施の形態2では、単軸引張挙動に関連する因子として、さらに予測対象の金属材料の機械特性値も用いることで、引張圧縮反転負荷挙動の予測精度をより高める例を説明する。
実施の形態1との違いは、学習フェーズ及び認識フェーズにおける入力データに金属材料の単軸引張挙動に関連する因子である機械特性値の集合が含まれている点である。この点について以下具体的に説明する。
ここで、機械特性値とは、前述した降伏応力(YP)、最大引張応力(TS)、一様伸び(u-EL)である。
上記の機械学習によって構築される学習済モデルの例を図7に示す。
そして、引張圧縮反転負荷挙動予測ステップにおいて、予測対象の金属材料の単軸引張挙動に基づく点列データ(入力1~入力101)と機械特性値の集合(YP、TS、u-EL)を図7の学習済モデルに入力することで、モデル定数Y、A、Bの予測値Ye、Ae、Beを取得できる。
実施の形態1で説明したように、学習フェーズ及び認識フェーズにおける入力データに単軸引張応力-ひずみ曲線を離散化した点列データを用いることで、引張圧縮反転負荷挙動を精度よく予測することができる。
また、実施の形態2で説明したように、単軸引張挙動に関連する因子である機械特性値を上記入力データに加えることで、予測精度の向上が期待できる。
さらに、入力データには、単軸引張挙動に関連する因子の他、単軸引張試験に関する試験データ(例えば鋼種情報など)を含めるようにしてもよい。このような例について、以下に説明する。
実施の形態1、2との違いは、学習フェーズ及び認識フェーズにおける入力データに金属材料の鋼種情報が含まれている点である。この点について以下具体的に説明する。
なお、上記は、入力データに機械特性値の集合(YP、TS、u-EL)を含めた例であるが、点列データと鋼種情報のみを入力データとしてもよい。
より具体的には、移動硬化モデルの一例である非特許文献1のY-Uモデルを挙げることができ、この場合には、当該文献におけるY、C、B、Rsat、b、m、hの7つのパラメータを本発明のモデル定数として扱うことができる。
そして、引張圧縮反転負荷挙動を予測する対象として、上記29サンプルに含まれない980MPa級、1180MPa級及び1470MPa級の予測用ハイテン材3種類を用意した。
また、各学習用ハイテン材につき、単軸引張試験から得られる機械特性値である降伏応力(YP)、最大引張応力(TS)、一様伸び(u-EL)をそれぞれ求めた(実施の形態2参照)。
さらに、各学習用ハイテン材の鋼種を示す鋼種情報を作成した(実施の形態3参照)。
そして、各学習用ハイテン材につき、引張圧縮試験を実施し、得られた繰返し応力-ひずみ曲線に対し、最小自乗法回帰を用いて式(1)の圧縮挙動モデルを同定し、モデル定数Y、A、Bの値を求めた。
各学習用ハイテン材における点列データを入力データ、同定したモデル定数Y、A、Bの値を正解データとしてニューラルネットワークに機械学習させ、図4に示したような学習済モデルを構築した。
そして、該学習済モデルを用い、実施の形態1の方法で予測用ハイテン材のモデル定数の予測値Ye、Ae、Beをそれぞれ取得した。
各学習用ハイテン材における点列データと機械特性値を入力データ、同定したモデル定数Y、A、Bの値を正解データとしてニューラルネットワークに機械学習させ、図7に示したような学習済モデルを構築した。
そして、該学習済モデルを用い、実施の形態2の方法で予測用ハイテン材のモデル定数の予測値Ye、Ae、Beをそれぞれ取得した。
各学習用ハイテン材における点列データと機械特性値、及び鋼種情報を入力データ、同定したモデル定数Y、A、Bの値を正解データとしてニューラルネットワークに機械学習させ、図9に示したような学習済モデルを構築した。
そして、該学習済モデルを用い、実施の形態3の方法で予測用ハイテン材のモデル定数の予測値Ye、Ae、Beをそれぞれ取得した。
各学習用ハイテン材における単軸引張試験から得られる機械特性値(YP、TS、u-EL)及び同定したモデル定数Y、A、Bの値に基づき、機械特性値(YP、TS、u-EL)を説明変数、モデル定数Y、A、Bをそれぞれ目的変数とする重回帰モデルを作成した。
そして、該重回帰モデルを用い、予測用ハイテン材のモデル定数の予測値Ye、Ae、Beをそれぞれ求めた。
発明例1~3の学習済モデルの学習精度を確認するため、発明例1~3の学習済モデルに学習用データの入力データを改めて入力し、該入力に基づいて学習済モデルが出力したモデル定数の予測値Ye、Ae、Beと、学習用データの正解データとを比較した。
同様に、比較例の重回帰モデルに学習用ハイテン材の機械特性値(YP、TS、u-EL)を代入して予測値Ye、Ae、Beを求め、学習用データの正解データと比較した。
上記の方法で学習精度(比較例は回帰精度)を検討した結果を図10に示す。
また、図10(b)に示すように発明例1~3におけるモデル定数Aの学習精度に関しては、比較例の回帰精度と比較しても大きな優位点は見られなかった。これは、前述したように、モデル定数YとAは機械特性値YP、TSと強い相関関係にあり、機械特性値に基づく重回帰モデルを用いた比較例も十分な回帰精度を有していたからと考えられる。
予測用ハイテン材の再降伏後の圧縮挙動について、比較例を用いて予測した結果を図11に示す。
図11の「予測」の曲線は、前述した予測用ハイテン材に対し、比較例の重回帰モデルを用いて式(1)のモデル定数を予測し、予測した予測値Ye、Ae、Beを式(1)に代入して得られたものである。また、「実績」の曲線は、予測用ハイテン材に引張圧縮試験を実施し、得られた繰返し応力-ひずみ曲線に基づき式(1)を用いて同定したものである。「予測」の曲線と「実績」の曲線が近いほど予測精度が高いことを示す。
同様に、発明例1~3を用いて予測した結果を図12~図14に示す。
図11~図14の各グラフの「予測」曲線と「実績」曲線において、塑性ひずみ変化量Δεpが0から0.05までの0.001ピッチの各点において、Δσの予測値と実績値との差を、実績値で除して100を乗じ、パーセント値で予測誤差を算出した。
980MPa級、1180MPa級及び1470MPa級の予測用ハイテン材の各50点ずつの予測誤差のデータから平均値(ave)及び標準偏差(σ)を算出し、予測精度を評価した。その結果を表1及び図15に示す。
Claims (4)
- 金属材料の引張圧縮反転負荷挙動を表現する材料モデルのモデル定数を決定することで引張圧縮反転負荷挙動を予測する方法であって、
金属材料の単軸引張挙動に関連する因子を含む金属材料試験データを入力変数とし、該金属材料の引張圧縮試験に基づいて決定した前記モデル定数の値を出力変数として機械学習させた学習済モデルに対して、
予測対象の金属材料の前記金属材料試験データを入力することによって、当該金属材料の前記モデル定数の値を取得するステップを含み、
前記単軸引張挙動に関連する因子には、単軸引張試験から得られた単軸引張応力-ひずみ曲線を離散化した点列データが含まれていることを特徴とする金属材料の引張圧縮反転負荷挙動予測方法。 - 前記単軸引張挙動に関連する因子には、さらに降伏応力、最大引張応力、一様伸びを含む機械特性値の集合が含まれていることを特徴とする請求項1記載の金属材料の引張圧縮反転負荷挙動予測方法。
- 前記金属材料試験データには、さらに鋼種情報を含むことを特徴とする請求項1又は2に記載の金属材料の引張圧縮反転負荷挙動予測方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021143634A JP7211461B1 (ja) | 2021-09-03 | 2021-09-03 | 金属材料の引張圧縮反転負荷挙動予測方法 |
CN202280059666.7A CN117940755A (zh) | 2021-09-03 | 2022-05-30 | 金属材料的拉伸压缩反转负荷举动预测方法 |
KR1020247010508A KR20240056554A (ko) | 2021-09-03 | 2022-05-30 | 금속 재료의 인장 압축 반전 부하 거동 예측 방법 |
PCT/JP2022/021879 WO2023032370A1 (ja) | 2021-09-03 | 2022-05-30 | 金属材料の引張圧縮反転負荷挙動予測方法 |
EP22863958.9A EP4378604A1 (en) | 2021-09-03 | 2022-05-30 | Method for predicting tension-compression reverse loading behavior of metal material |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021143634A JP7211461B1 (ja) | 2021-09-03 | 2021-09-03 | 金属材料の引張圧縮反転負荷挙動予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7211461B1 JP7211461B1 (ja) | 2023-01-24 |
JP2023037100A true JP2023037100A (ja) | 2023-03-15 |
Family
ID=84982670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021143634A Active JP7211461B1 (ja) | 2021-09-03 | 2021-09-03 | 金属材料の引張圧縮反転負荷挙動予測方法 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP4378604A1 (ja) |
JP (1) | JP7211461B1 (ja) |
KR (1) | KR20240056554A (ja) |
CN (1) | CN117940755A (ja) |
WO (1) | WO2023032370A1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000275154A (ja) * | 1999-03-25 | 2000-10-06 | Toyota Motor Corp | 応力−ひずみ関係シミュレート方法 |
JP2005315703A (ja) * | 2004-04-28 | 2005-11-10 | Nippon Steel Corp | 鋼材の材質予測方法 |
JP2013054001A (ja) * | 2011-09-06 | 2013-03-21 | Jfe Steel Corp | 応力−歪み関係評価方法およびスプリングバック量予測方法 |
WO2014141794A1 (ja) * | 2013-03-14 | 2014-09-18 | Jfeスチール株式会社 | 応力-ひずみ関係シミュレート方法、スプリングバック量予測方法およびスプリングバック解析装置 |
WO2015170742A1 (ja) * | 2014-05-08 | 2015-11-12 | 新日鐵住金株式会社 | 可塑性材料の評価方法及び可塑性材料の塑性加工の評価方法 |
CN111339703A (zh) * | 2020-02-27 | 2020-06-26 | 中国科学院金属研究所 | 大应变条件下材料硬化行为的虚拟预测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5940387Y2 (ja) | 1982-12-08 | 1984-11-15 | 壷井 宏純 | 吊持搬送用ベルト |
JPS5991055U (ja) | 1982-12-10 | 1984-06-20 | トヨタ自動車株式会社 | 車両用アンテナアンプの電源供給回路 |
JPS6015997U (ja) | 1983-07-12 | 1985-02-02 | 三菱電機株式会社 | 送風機のケ−シング |
JP5991055B2 (ja) | 2012-07-19 | 2016-09-14 | Jfeスチール株式会社 | 引張圧縮試験方法および装置 |
JP5991278B2 (ja) | 2013-07-12 | 2016-09-14 | Jfeスチール株式会社 | 引張圧縮試験方法および装置 |
RU2663674C1 (ru) | 2014-11-25 | 2018-08-08 | ДжФЕ СТИЛ КОРПОРЕЙШН | Способ производства стальной трубы и прессующий штамп, используемый при данном способе |
-
2021
- 2021-09-03 JP JP2021143634A patent/JP7211461B1/ja active Active
-
2022
- 2022-05-30 KR KR1020247010508A patent/KR20240056554A/ko active Search and Examination
- 2022-05-30 CN CN202280059666.7A patent/CN117940755A/zh active Pending
- 2022-05-30 WO PCT/JP2022/021879 patent/WO2023032370A1/ja active Application Filing
- 2022-05-30 EP EP22863958.9A patent/EP4378604A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000275154A (ja) * | 1999-03-25 | 2000-10-06 | Toyota Motor Corp | 応力−ひずみ関係シミュレート方法 |
JP2005315703A (ja) * | 2004-04-28 | 2005-11-10 | Nippon Steel Corp | 鋼材の材質予測方法 |
JP2013054001A (ja) * | 2011-09-06 | 2013-03-21 | Jfe Steel Corp | 応力−歪み関係評価方法およびスプリングバック量予測方法 |
WO2014141794A1 (ja) * | 2013-03-14 | 2014-09-18 | Jfeスチール株式会社 | 応力-ひずみ関係シミュレート方法、スプリングバック量予測方法およびスプリングバック解析装置 |
WO2015170742A1 (ja) * | 2014-05-08 | 2015-11-12 | 新日鐵住金株式会社 | 可塑性材料の評価方法及び可塑性材料の塑性加工の評価方法 |
CN111339703A (zh) * | 2020-02-27 | 2020-06-26 | 中国科学院金属研究所 | 大应变条件下材料硬化行为的虚拟预测方法 |
Non-Patent Citations (2)
Title |
---|
JIANPING LIN: "Effect of constitutive model on springback prediction of MP980 and AA6022-T4", INTERNATIONAL JOURNAL OF MATERIAL FORMING, JPN6022032762, 14 January 2019 (2019-01-14), ISSN: 0004900232 * |
桑原 利彦: "軽金属板材の塑性変形特性 ー測定とモデル化の手法ー", 軽金属, vol. 第65巻第5号, JPN6022032761, 2015, pages 164 - 173, ISSN: 0004900231 * |
Also Published As
Publication number | Publication date |
---|---|
KR20240056554A (ko) | 2024-04-30 |
CN117940755A (zh) | 2024-04-26 |
WO2023032370A1 (ja) | 2023-03-09 |
JP7211461B1 (ja) | 2023-01-24 |
EP4378604A1 (en) | 2024-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chongthairungruang et al. | Experimental and numerical investigation of springback effect for advanced high strength dual phase steel | |
Chen et al. | Pre-strain effect on twist springback of a 3D P-channel in deep drawing | |
Zou et al. | The deformation induced martensitic transformation and mechanical behavior of quenching and partitioning steels under complex loading process | |
Yilmaz et al. | The prediction of mechanical behavior for steel wires and cord materials using neural networks | |
Shikalgar et al. | Analysis of p-SPT specimens using Gurson parameters ascertained by Artificial Neural Network | |
Narita et al. | Evaluation of strength of stainless steel bolt without heat treatment considering Bauschinger effect during manufacturing process | |
Lee et al. | Evaluation of loading-path-dependent constitutive models for springback prediction in martensitic steel forming | |
Pham et al. | Application of a graphical method on estimating forming limit curve of automotive sheet metals | |
Lee et al. | Calibration of distortional plasticity framework and application to U-draw bending simulations | |
JP7211461B1 (ja) | 金属材料の引張圧縮反転負荷挙動予測方法 | |
Shim et al. | An effective formability model of pearlitic steel wires in multi-stage drawing process based on the stress-based forming limit criterion | |
Matyunin et al. | Correlation between the ultimate tensile strength and the Brinell hardness of ferrous and nonferrous structural materials | |
Joun et al. | Tensile test based material identification program afdex/mat and its application to two new pre-heat treated steels and a conventional cr-mo steel | |
Podgornik et al. | Analysis and prediction of residual stresses in nitrided tool steel | |
Liao et al. | On twist springback of a curved channel with pre-strain effect | |
Gothivarekar et al. | The Influence of Post-Necking Strain Hardening Behaviour on Fatigue Lifetime Prediction of Cold-Formed High Strength Steel. | |
De-Carvalho et al. | On the objective function evaluation in parameter identification of material constitutive models-single-point or FE analysis | |
Mondal et al. | Constitutive description of tensile flow behavior of cold flow-formed AFNOR 15CDV6 steel at different deformation levels | |
Mentyukov et al. | Study of the properties of the base metal of large-diameter pipes under alternating loading | |
Konstantinov et al. | Computer simulation of transformation during TRIP steel rod drawing | |
Ainsworth | An assessment of the effects of prestrain on upper shelf fracture toughness | |
Junior et al. | Numerical simulation of a rapid fatigue test of high Mn-TWIP steel via a high cycle fatigue constitutive law | |
Coppola et al. | Advanced methods for the strain limit assessment in pipeline applications subjected to extreme loading | |
Gothivarekar et al. | The effect of kinematic hardening on the fatigue behaviour of bent high strength steel | |
Lvov et al. | Experimental study of autofrettage |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220829 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220829 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221019 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221130 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221226 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7211461 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |